Gedecentraliseerde AI Kan een Post-Schaarste Samenleving Ontsluiten, Zegt CEO van 0G Labs

Het Datadilemma: Kwaliteit, Herkomst en Vertrouwen

De discussie rond kunstmatige intelligentie (AI) is fundamenteel verschoven. De vraag is niet langer over de relevantie ervan, maar hoe het betrouwbaarder, transparanter en efficiënter te maken nu de inzet ervan gemeengoed wordt in elke sector.

Het huidige AI-paradigma, gedomineerd door gecentraliseerde “black box” modellen en massale, propriëtaire datacenters, staat onder toenemende druk door zorgen over bias en monopolistische controle. Voor velen in de Web3-ruimte ligt de oplossing niet in strengere regulering van het huidige systeem, maar in een volledige decentralisatie van de onderliggende infrastructuur.

De effectiviteit van deze krachtige AI-modellen, bijvoorbeeld, wordt in de eerste plaats bepaald door de kwaliteit en integriteit van de data waarop ze zijn getraind—een factor die verifieerbaar en traceerbaar moet zijn om systemische fouten en AI-hallucinaties te voorkomen. Naarmate de belangen toenemen voor industrieën zoals financiën en gezondheidszorg, wordt de noodzaak voor een vertrouwensloos en transparant fundament voor AI kritisch.

Michael Heinrich, een seriële ondernemer en Stanford-afgestudeerde, is een van degenen die het voortouw nemen om dat fundament te bouwen. Als CEO van 0G Labs ontwikkelt hij momenteel wat hij beschrijft als de eerste en grootste AI-keten, met de verklaarde missie om ervoor te zorgen dat AI een veilig en verifieerbaar publiek goed wordt. Nadat hij eerder Garten had opgericht, een topbedrijf gesteund door YCombinator, en werkte bij Microsoft, Bain, en Bridgewater Associates, past Heinrich nu zijn expertise toe op de architecturale uitdagingen van gedecentraliseerde AI (DeAI).

Heinrich benadrukt dat de kern van AI-prestaties rust op zijn kennisbasis: de data. “De effectiviteit van AI-modellen wordt in de eerste plaats bepaald door de onderliggende data waarop ze zijn getraind,” legt hij uit. Hoogwaardige, evenwichtige datasets leiden tot nauwkeurige antwoorden, maar slechte of ondervertegenwoordigde data resulteren in slechte kwaliteit uitvoer en een verhoogde gevoeligheid voor hallucinaties.

Voor Heinrich vereist het behouden van de integriteit van deze constant bijgewerkte en diverse datasets een radicale afwijking van de status quo. Hij stelt dat de primaire schuldige achter AI-hallucinaties het gebrek aan transparante herkomst is. Zijn remedie is cryptografisch:

Ik geloof dat alle data verankerd moet worden op de blockchain met cryptografische bewijzen en een verifieerbaar bewijs pad om de integriteit van data te behouden.

Deze gedecentraliseerde, transparante basis, gecombineerd met economische prikkels en continue bijstelling, wordt gezien als het noodzakelijke mechanisme om systematisch fouten en algoritmische bias te elimineren.

Naast technische oplossingen heeft Heinrich, een Forbes 40 Under 40-laureaat, een macrovisie voor AI, en gelooft hij dat het een tijdperk van overvloed moet inluiden.

“In een ideale wereld zal het hopelijk de voorwaarden creëren voor een post-schaarste samenleving waar middelen overvloedig worden en waar niemand zich zorgen hoeft te maken over het doen van saaie banen meer,” stelt hij. Deze verschuiving zou individuen toestaan om zich te “focussen op meer creatieve en plezierige arbeid,” wat in wezen iedereen in staat stelt om meer vrije tijd en economische zekerheid te genieten.

Cruciaal, hij stelt dat de gedecentraliseerde wereld uniek geschikt is om deze toekomst te bekrachtigen. Het mooie van deze systemen is dat ze prikkelend zijn afgestemd, waardoor een zelfbalancerende economie voor rekenkracht wordt gecreëerd. Als de vraag naar middelen toeneemt, stijgen de prikkels om ze te leveren op natuurlijke wijze tot aan die vraag wordt voldaan, waardoor de behoefte aan rekencapaciteit op een evenwichtige, toestemmingsloze manier wordt vervuld.

AI Beschermen: Open Source en Prikkelontwerp

Om AI te beschermen tegen opzettelijk misbruik—zoals vocale nasynchronisatie-zwendel en deepfakes—stelt Heinrich een combinatie van mensgerichte en architecturale oplossingen voor. Allereerst moet de focus liggen op het opleiden van mensen over hoe AI-zwendel en nepnieuws te identificeren die worden gebruikt voor impersonatie en desinformatie. Heinrich verklaart: We moeten mensen leren in staat te zijn om AI-gegenereerde inhoud te identificeren of te fingerprinten zodat ze zichzelf kunnen beschermen.”

Wetgevers kunnen ook een rol spelen door wereldwijde normen voor AI-veiligheid en ethiek vast te stellen. Hoewel dit waarschijnlijk AI-misbruik niet zal elimineren, kan de aanwezigheid van dergelijke normen “een zekere mate van ontmoediging bieden.” De krachtigste tegenmaatregel is echter vervlochten in het gedecentraliseerde ontwerp: “Het ontwerpen van prikkelsystemen kan opzettelijk AI-misbruik drastisch verminderen.” Door AI-modellen op de blockchain te beheren en in te zetten, worden eerlijke deelnemers beloond, terwijl kwaadaardig gedrag directe financiële consequenties heeft door middel van on-chain slashing mechanismen.

Hoewel sommige critici de risico’s van open algoritmen vrezen, vertelt Heinrich Bitcoin.com News dat hij het enthousiast ondersteunt, omdat het inzicht biedt in hoe modellen werken. “Dingen zoals verifieerbare trainingsrecords en onveranderlijke data paden kunnen worden gebruikt om transparantie te waarborgen en toezicht door de gemeenschap mogelijk te maken,” wat direct de risico’s aanpakt geassocieerd met propriëtaire, gesloten “black-box” modellen.

Om deze visie van een veilige en goedkope AI-toekomst te realiseren, bouwt 0G Labs het eerste “gedecentraliseerde AI-besturingssysteem (DeAIOS).”

Dit besturingssysteem is ontworpen om verifieerbare AI-herkomst te bieden—een uiterst schaalbare data-opslag en beschikbaarheidslaag die de opslag van enorme AI-datasets op de blockchain mogelijk maakt, waardoor alle data verifieerbaar en traceerbaar is. Dit niveau van beveiliging en traceerbaarheid is essentieel voor AI-agenten die opereren in gereguleerde sectoren.

Daarnaast beschikt het systeem over een permissieloos rekenmarkt, die toegang tot rekencapaciteit tegen concurrerende prijzen democratiseert. Dit is een direct antwoord op de hoge kosten en vendor lock-in geassocieerd met gecentraliseerde cloudinfrastructuur.

0G Labs heeft al een technische doorbraak gedemonstreerd met Dilocox, een framework dat het mogelijk maakt om LLMs met meer dan 100 miljard parameters te trainen via gedecentraliseerde, 1 Gbps clusters. Door de modellen op te splitsen in kleinere en onafhankelijk getrainde delen, heeft Dilocox een efficiëntieverbetering van 357x aangetoond vergeleken met traditionele gedistribueerde trainingsmethoden, waardoor grootschalige AI-ontwikkeling economisch haalbaar is buiten de muren van gecentraliseerde datacenters.

Een Helderdere, Goedkopere Toekomst voor AI

Uiteindelijk ziet Heinrich een zeer heldere toekomst voor gedecentraliseerde AI, een gedefinieerd door participatie en het wegnemen van barrières voor adoptie.

“Het is een plek waar mensen en gemeenschappen samen deskundige AI-modellen creëren, waarbij ervoor wordt gezorgd dat de toekomst van AI wordt gevormd door velen in plaats van slechts een handvol gecentraliseerde entiteiten,” concludeert hij. Met propriëtaire AI-bedrijven die onder druk staan om de prijzen te verhogen, bieden de economie en prikkelstructuren van DeAI een overtuigend, veel betaalbaarder alternatief waarbij krachtige AI-modellen tegen lagere kosten kunnen worden gecreëerd, wat de weg vrijmaakt voor een open, veiligere en uiteindelijk meer voordelige technologische toekomst.

FAQ

• Wat is het kernprobleem met de huidige gecentraliseerde AI? Huidige AI-modellen hebben last van transparantieproblemen, databias en monopolistische controle vanwege hun gecentraliseerde “black box” architectuur.
• Welk oplossing bouwt Michael Heinrich’s 0G Labs? 0G Labs ontwikkelt het eerste “gedecentraliseerde AI-besturingssysteem (DeAIOS)” om AI een veilig, verifieerbaar en openbaar goed te maken.
• Hoe zorgt Gedecentraliseerde AI voor data-integriteit? Data-integriteit wordt behouden door alle data op de blockchain te verankeren met cryptografische bewijzen en een verifieerbare bewijs trail om fouten en hallucinaties te voorkomen.
• Wat is het belangrijkste voordeel van 0G Labs’ Dilocox technologie? Dilocox is een framework dat grootschalige AI-ontwikkeling aanzienlijk efficiënter maakt, met een verbetering van 357x ten opzichte van traditionele gedistribueerde training.